36氪 · AI6565Anthropic据报利用Claude模型辅助自研芯片设计
Anthropic组建15人芯片设计团队，利用Claude模型开展定制芯片工程与设计工作，据称能缩短芯片设计所需时间。
实时
#推理
- 36氪 · AI6565
MarkTechPost同一件事 · 2 家5555NVIDIA 展示 3 种方法加速 DGX Spark 上的 MoE 推理，将 Ling-3.0-flash 吞吐量提升 42.5%
NVIDIA 通过新 MoE 内核后端、FP8 输出层和内置推测解码，将 124B 参数的 Ling-3.0-flash 模型在 DGX Spark 上的推理吞吐量提升 42.5%，速度提升 3.5x，准确率无变化。该优化适用于单用户桌面系统，在 1,319 个 GSM8K 问题测试中，吞吐量从 37.81 tokens/s 提升至 53.89 tokens/s，延迟降低 24.5%。
同一件事 · 2 家各家口径不同：NVIDIA技术博客指出解码是内存瓶颈，由于MoE计算和输出层投影，而MarkTechPost强调了由于新的MoE后端、FP8输出层和推测解码导致的42.5%吞吐量提升和3.5倍速度提升。
Hugging Face Daily Papers6565CrossSWE: 测试跨仓库联合开发的大语言模型基准
CrossSWE 基准测试当前大语言模型在跨仓库联合软件开发中的跨仓库一致性，包含 171 个实例，涵盖 165 个仓库、20 个技术领域和 13 种编程语言，评估显示最强的 GPT-6.1 Sol 仅达 58.48% Pass@1，跨仓库不一致是主要失败模式。
- Hugging Face Daily Papers3838
IdeaTaste: 大语言模型是否共享人类研究者的研究品味？
IdeaTaste 评测基准显示，AI 智能体在引用文献和研究方向上与人类研究社区相似，但在具体方法和预期成功上差距显著，引用匹配度达人类水平的 26%，想法匹配度仅 18%。
Databricks Blog3838Claude 平台现支持在 Databricks MLflow 中进行原生 OpenTelemetry 可观测性
Claude 平台原生 OpenTelemetry 数据导出到 Databricks MLflow，开发者可通过 Anthropic SDKs、Messages API 和 Managed Agents 发送原生追踪数据，利用 MLflow 调试智能体并评估变更。
- Hugging Face Daily Papers6565
Order-Only On-Policy Distillation 发布
Order-Only On-Policy Distillation (O^{3}PD) 训练学生模型匹配教师模型的 token 排序而非概率，在 HMMT25、AIME24 和 AIME25 上平均优于 OPD 2.9 分，AIME25 提升 5.6 分。该技术无需温度调校且不受教师模型温度影响。
The Decoder5858斯坦福研究发现44%的LLM说法已过期
斯坦福研究人员测试了50条关于LLM的广泛说法，发现44%已经过期，平均寿命仅为15.7个月，其中推理能力相关说法（如计数、算术、长上下文信息丢失）全部失效，而奉承、欺骗和策略行为相关的说法则持续存在或增强。
Cohere BlogCohere 在 Model Vault 中集成第三方开源模型，提供完全受控的 AI 模型服务。
Cohere 在 Model Vault 和 Model Vault Encrypted 中集成第三方开源模型，允许企业在受控和加密的推理平台上运行 Cohere 模型及 DeepSeek V4.1 Flash、GLM 5.3 Flash 等主流开源模型，默认实现零提示词和输出数据保留。
IT之家 · AI4242英伟达称 AI 重塑芯片工厂：仿真提速最高 35 倍，工程师决策从数天缩至数分钟。
英伟达称 AI 正推动半导体晶圆厂进入“AI 定义工厂”阶段，加速仿真技术将工程仿真从数小时、数天压缩至数分钟，应用材料公司 Ginestra 平台形貌仿真加速最高达 35 倍，工程师决策时间从数天缩至数分钟。
Meta Engineering3434Meta 推出 F3 Lightning 加速广告 ML 功能规模化生产
Meta 推出 F3 Lightning 解决 F3 合并图发布瓶颈，通过解耦功能发布与执行实现独立验证部署，采用稳定计算标识符、单一执行计划、共享内存缓冲区和密集索引映射等优化，使提取功能生产速度比 F3 提升约 3.6 倍且不增加基础设施计算成本。
OpenAI Agents SDK releases4040OpenAI Agents SDK v0.24.0-alpha.6 发布
OpenAI Agents SDK v0.24.0-alpha.6 发布，支持通过 captured Turn 控制提交工作、被动事件处理、手动请求处理、转向和取消，并扩展了本地存储会话状态恢复和工具策略功能。新增了本地存储、原生输出、实验性外部作业恢复和工具选择等特性，同时更新了 API，如使用 Agent.run() 替代 Runner，以及 FunctionTool 统一回调和手动工具。
Google Developers Blog5858使用廉价分类器路由 Google Gemini 模型以降低推理成本
TypeSafe 的 Jev 分类器可路由任务至最经济的 Gemini 模型，50 题测试显示其准确率达 96%，优于 93.8% 的 Python 正则启发式方法；设置推理模型 MaxOutputTokens 限制并不能节省成本，反而可能中断复杂任务推理。
Hugging Face Blog5050StateBench: 测试语言模型如何追踪长文档中的状态变化
StateBench 是一个长上下文状态追踪基准，测试语言模型如何保持追踪长文档中实体信息的变化。该基准包含四个难度等级，从简单的不可变赋值到复杂的依赖赋值，发现循环和混合模型比 Transformer 在直接训练任务上泛化能力更强，但前沿模型如 Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol 在长输入的复杂状态追踪中仍会失效。
AWS Machine Learning Blog2828Amazon Bedrock 在印度推出 Kimi K3 推理服务
Amazon Bedrock 现在支持在印度境内对 Kimi K3 进行推理，满足严格的数据本地化需求。客户 Ultrahuman 通过 API 调用该服务，使 AI 健康助手能处理每日超 14,000 次对话，同时将健康数据保留在 AWS 内部，成本降低 80%，多轮对话速度提升 85%。
- AWS Machine Learning Blog3838
Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用
Cartesia 利用专为实时语音 AI 设计的状态空间模型（SSM）和 AWS 基础设施，实现亚 100ms 的文本转语音和语音转文本，支持 44 种语言语音克隆，适用于虚拟助手、客服中心等场景。Sonic 模型在约 90ms 内生成首个音频字节，Ink 模型具备原生话轮检测和噪声鲁棒性，API 接口支持实时流式输出。
- AWS Machine Learning Blog3434
使用 EDB Postgres AI 和 Amazon Bedrock AgentCore 构建 Agent AI 的语义层
使用 EDB Postgres AI 在 Amazon Bedrock AgentCore 上运行 Strands Agents，通过查询语义层回答客户 360 (C360) 问题。
- AWS Machine Learning Blog2424
Gen Digital 如何用 Amazon Bedrock AgentCore Web Search 为 Norton Revamp 构建AI策展新闻引擎
Gen Digital 为 Norton Revamp 平台开发了 AI 策展新闻引擎，通过 Amazon Bedrock AgentCore Web Search 实现实时内容 grounding。
- AWS Machine Learning Blog3232
Amazon Quick 整合结构化与非结构化数据。
Amazon Quick 通过连接 Amazon S3 和创建知识库整合结构化与非结构化数据，用户可使用单一对话式 AI 代理查询。该解决方案包含数据层（存储在 S3 的非结构化内容和作为语义数据集的结构化数据）、工作空间层（将数据类型整合到单一工作空间）和代理层（自定义聊天代理链接到工作空间并返回组合响应）。
- The Decoder
SETI 机构在艾伦望远镜阵列部署 AI 智能体进行外星智慧搜寻
Nvidia Holoscan 平台支持的 AI 智能体开始操控艾伦望远镜阵列并实时分析射电信号，使原本耗时数周的观测任务缩短至数小时，首次实时探测到蟹状星云中的脉冲星。该系统目前仍需研究人员手动输入指令，未来计划在月球远侧传感器上部署可边缘运行的开放源代码方案。
Simon WillisonQwen 3.8 27B 在我的笔记本电脑上也能解释模型权重
Qwen 3.8 27B 也能在我的笔记本电脑上解释模型权重。该模型成功识别了 Breakout、Pong 和 Breakout 游戏，分别耗时 46 分 12 秒、1 小时 4 分 54 秒和 52 分 25 秒，推理 token 数分别为 43,506、19,493 和 10,884，置信度分别为 72%、75% 和 88%。
NVIDIA Newsroom3838AI如何重塑半导体晶圆厂工作方式——工程师因之加速决策
AI正改变半导体晶圆厂工作方式，工程师因之加速决策。NVIDIA cuDSS库使COMSOL的多物理场仿真加速10倍，Applied Materials的Ginestra平台仿真加速10倍，ACE+平台加速35倍，Siemens的Calibre光刻软件仿真加速17倍。NVIDIA PhysicsNeMo框架让Lam Research能在毫秒级预测等离子体行为，替代耗时数天的全仿真。
- Hugging Face Daily Papers6565
当潜在预测误差支持物理意外主张时——视频世界模型研究
研究表明视频世界模型的潜在预测误差反映外观和运动而非可靠测量物理意外。在IntPhys2基准上，潜在预测、掩码像素重建和简单视觉统计的比较显示，外观易于解码，V-JEPA2仅略微揭示事件是否可能。
Hacker News · 300+ 热帖6565 Astra并非仅通过读取权重来改进Qwen，实验设计存在误导
Astra 在 17K-172K 权重网络实验中直接读取权重，但其在 800M 权重 Qwen3.5 数学能力提升实验中需结合 Python 编程和模型运行，并非仅通过读取权重实现；Astra 修改 0.016% 权重将 Qwen3.5-0.8B 的 MATH-500 从 7.9% 提升至 48.1%，并使 IFEval 提升 3 倍。
- The Decoder
Anthropic 的 Message Threads 功能将长对话首次 token 响应时间缩短 35%
Anthropic 在 Claude 平台推出 Message Threads 功能作为公测版，该功能仅传输自上次消息以来的变更内容，将 500,000 至 1。
Hacker News · 300+ 热帖3737 Show HN: Hacker Times，一个受纽约时报启发的 Hacker News 版本
Hacker Times 以报纸风格布局呈现 Hacker News 故事，链接原始来源并每小时更新。该项目由 Andrej Karpathy 参与，旨在提供不同于传统浏览体验的阅读方式。
- IT之家 · AI
联想开天推出首款信创AI主机：兆芯KX-7000处理器 + 后摩智能力擎LQ50NPU
联想开天推出首款信创 AI 主机，搭载兆芯 KX-7000 处理器与后摩智能力擎 LQ50 NPU，提供 160TOPS 本地 AI 算力，最高支持 320 TOPS，可运行 35B 量级大模型。该机预装天禧 AI Pro 智能体，支持 7×24 小时数字员工服务。
PyTorch BlogPyTorchKR 与 XCENA 联合举办 KVCache Meetup Korea 2026：活动回顾
PyTorchKR 与 XCENA 于 2026 年 9 月 30 日联合举办 KVCache Meetup Korea，XCENA、SK hynix、FuriosaAI 和 LMCache 的演讲者分享了 LLM 推理及 KV 缓存优化的成果。
- Hugging Face Daily Papers5858
CoworkOS：用于真实世界自动化的智能体协作框架
CoworkOS 通过将策略与执行分离，支持人机协作并持续改进模型性能，推动人机协作向真实世界自动化发展。该框架在 12 个基准测试和 6 类实际应用中表现优异，使用 GLM-5.3 作为核心，对 Qwen3.6-35B-A3B 进行 RSI 驱动的自动后训练，使模型在 8 个基准上的平均分数从 33.19 提升至 42.95。
Ai2 BlogStateBench: 测试大语言模型追踪长文档状态变化的基准
StateBench 是一个用于测试大语言模型追踪长文档中实体状态变化的基准，包含 R-trivial、非周期、可解和一般有限四个难度等级。研究发现，循环和混合模型在直接训练这些任务时泛化能力远超 Transformer，而 Gemini 3.8 Flash、Claude Opus 5.5 和 GPT-6 Sol 等前沿模型在输入变长时仍难以处理更复杂的状态追踪问题。
- NVIDIA Newsroom
全球城市利用 NVIDIA 物理与智能体 AI 构建和扩展服务
NVIDIA 与合作伙伴正将物理 AI 和智能体 AI 扩展到全球城市，通过共享计算基础设施支持市政部门、邻近市镇及本地开发者构建服务，无需各组织单独采购和管理资源。
- MarkTechPost6262
OpenAI 推出 Pando：一款将中位数推送延迟降低约 80% 的 Git 后端
OpenAI 推出 Pando，一款 Git 后端，将中位数推送延迟降低约 80%，日均处理近 1PB Git 数据。Pando 采用分支级因果一致性，存储可重用数据包，仅使用少量 CPU 核心即可实现高并发处理，但尚未开源。
- Hugging Face Blog
Transformers Model Integration Contracts 发布：Hugging Face 推出模型集成契约标准
Transformers 支持超过 750 模型类型，其测试套件包含 88,000+ CPU 测试和 200,000+ GPU 测试。Hugging Face 发布 Model Integration Contracts (MIC) 标准，包含压缩模型（如 66 MB 权重的 UMT5 固定件）、可运行示例（如 SmolLM 文本生成）和人工审核基线。
Anthropic Research精选同一件事 · 2 家6262Anthropic 发布可验证推理系统 FlashProve，单张 H100 上约 110 tokens/秒生成证明
Anthropic 公布可验证推理原型 FlashProve，用 zkSNARK 证明响应确实来自所承诺的模型权重。对 400B 参数的 Llama 4 Maverick（4-bit 量化），单张 H100 生成证明约 110 tokens/秒，每 1,024 token 请求的证明约 19 MB，验证在 24 核 CPU 上约 17 秒。
同一件事 · 2 家各家口径不同：MarkTechPost 称证明体积为 18.78 MB；The Decoder 称证明体积约为 19 MB。
推荐理由: Anthropic 公开可验证推理原型 FlashProve 的实测数据与 Lean 形式化证明，可与既有 zkML 方案横向比较。
- IT之家 · AI
小米人形机器人完成8小时工厂任务，具身基座模型家庭场景试运营
小米人形机器人在工厂完成8小时作业任务，实现异常自主纠偏与产线协同；具身基座模型Xiaomi-Robotics-1搭建Agent系统在小米青年公寓完成超30分钟长程任务验证，涵盖50+任务。
- Hugging Face Daily Papers4747
uni-robot-agent：开源机器人使用智能体统一框架实现零样本操作突破
uni-robot-agent 框架使开源权重机器人使用智能体在零样本操作上超越专有模型，其搭载的 Qwen3.8-Flash-Next 在 RoboDojo 评测中得分 31.39，超过 GPT-6 Astra-RoboProbe 的 28.97 分及众多 VLA/WAM 基线，并在 19 项真实任务中表现优异。分析表明有效机器人使用需结合四项通用能力，建议未来训练应协同发展这些能力。
量子位精选同一件事 · 3 家8080MIT 实验：GPT-6 Astra 直接修改 Qwen3.5 权重，数学能力提升约 6 倍
MIT的实验让GPT-6 Astra直接读取并编辑Qwen3.5-0.8B的权重，仅改动0.016%的参数、不做训练和梯度下降，MATH-500得分从7.9%升到48.1%，指令执行能力也提高3倍。
同一件事 · 3 家推荐理由: MIT 实验显示前沿模型可直接读写小模型权重，为免梯度训练的性能修复提供了一条可复现路径。
- IT之家 · AI6565
高通：高通 AI Hub 现已面向中国开发者开放
高通 AI Hub 面向中国开发者开放，集成 Models、Workbench、Apps 及 GenieX 框架，提供超 230 个预优化模型库和云端调优工具。开发者可通过官网、设备农场和论坛获取支持，加速终端侧生成式 AI 和智能体 AI 开发。
- MarkTechPost
Zyphra AI 推出 Zyphra 层次注意力 (ZHA)：通往真正亚二次方注意力的路径
Zyphra AI 发布了 Zyphra 层次注意力 (ZHA)，一种基于树状索引器的稀疏注意力方法，旨在解决稀疏注意力中索引器仍需扫描整个上下文的已知问题。ZHA 可蒸馏到约 4B token 的冻结预训练模型中，在 Qwen3.6-35B-A3B 上，其推理、智能编码和 256K 检索基准测试中接近密集注意力。
- IT之家 · AI精选同一件事 · 3 家7575
MIT CSAIL 提出权重空间编程：GPT-6 Astra 修改 Qwen3.5-0.8B 约 0.016% 权重，MATH-500 成绩提升至 6 倍
MIT CSAIL 研究人员提出「权重空间编程」，让 GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的神经网络权重，仅调整约 0.016%（131072 个）参数，就把 MATH-500 成绩从 7.9% 提升至 48.1%，GSM8K 从 13.8% 提升至 67.1%，IFEval 从 21.0% 提升至 62.3%。
- IT之家 · AI
爱信开发全球首款16nm STT-MRAM AI SoC，实现50倍目标检测能效
爱信与东北大学合作开发全球首款集成 STT-MRAM 的 16nm AI SoC，采用近内存计算设计，实现 50 倍目标检测能效。该 SoC 通过 8/16 位混合乘法架构和权重共享技术，利用 Tiny YOLOv3 在 32MB 片上 STT-MRAM 内完成目标检测，开机启动时间缩短 38.59 倍，AI 处理速度提升 10.16 倍。
